用途：本参考包面向已经或正在训练、追踪、评估模型的机器学习场景，用于将环境搭建、仓库结构、实验追踪、数据集与模型抽象、评估流程以及生产就绪评审统一到 Microsoft CSE 工程手册的约定上。它不负责实验设想、假设形成与筛选，那属于 experiment-design；也不负责流水线机制、数据分层与重放语义，那属于 dataops。
主要能力：包含三个参考文件。model-experimentation.md 用于搭建虚拟环境、组织仓库与 Notebook、建立实验追踪与可复现性、定义数据集与模型抽象及评估流程；ml-checklists.md 用于检查 ML 项目基础要点，或评估模型是否可推进到生产；provenance.md 用于确认哪些是上游指导、哪些是 HVE Core 派生或仓库约定、哪些上游未覆盖。
使用方式：按当前关注点只读匹配的参考文件。可复现性需同时保留四项要素——数据集名称与版本、参数、代码、环境；只记录数据集名称而不记录版本只是打标签，不构成可复现。数据集与评估需定义一致，实验才具可比性，仅靠追踪框架不足以实现可比性。评估生产就绪性时还需输入模型的训练与评估历史，并注意生产检查表有生命周期前提。
适用场景：ML 实验环境与结构搭建、追踪与复现、评估流程设计、模型上线前的就绪性检查。
限制：检查表不构成无条件门槛，其适用范围限已训练模型的团队并允许按用例决策。仓库中的 uv 环境约定属于仓库替换做法，并非上游推荐。遇到“实验是否值得做”的问题应转 experiment-design；生产检查表用于尚未构建或训练的模型时应说明生命周期前提；上游未覆盖的主题（如脱离项目语境的通用框架、工具或指标选择）应说明缺口。本包声明 CC-BY-4.0，两个参考均派生自 Microsoft CSE Code With Engineering Playbook 文档并标注了改动。详细来源映射见 provenance.md。